Es el proceso de asignar “etiquetas” correctas a datos para que un modelo de inteligencia artificial aprenda qué es qué.

En otras palabras, labeling consiste en decirle a la máquina: “esto es un perro”, “esto es fraude”, “esto es tono positivo”, “esta célula está sana”. Es eseñarle como si fuera un niño que aprende rápido porque la IA no “entiende” el mundo por sí sola; necesita ejemplos etiquetados para aprender patrones.

¿Quiénes son los labelers?

Los labelers son las personas (sí, son humanos!) que etiquetan los datos que usa la IA para aprender.

La gran mayoría de los labelers son trabajadores remotos de bajo nivel educativo que viven en países en vía de desarrollo (India, Filipinas, Venezuela, Kenia ) y reciben un salario bajo para realizar esa tarea. Su trabajo es repetitivo pero crucial para enseñar a la IA. Su rol es clave porque ponen el “criterio humano” en la máquina, aunque muchas veces su trabajo es invisible y precario.

Ahora, para temas más técnicos y específicos, ahí los labelers necesitan conocimientos expertos en distintas areas, con lo que esos labelers + sofisticados pueden ser desde ingenieros y médicos hasta analistas financieros.

Y, como son humanos detrás, el resultado del labeling puede terminar sesgado ya que todos tenemos sesgos. Dado eso, se requiere una gran cantidad de ejemplos (millones) para poder de alguna manera “eliminar” o al menos disminuir los sesgos.

Tu también puedes ser un labeler y entrenar a la IA corrigiéndole cuando ves algo equivocado y/o sesgado, para así mejorar la información para todos.

Ahora, ¿Tu sabías que habían humanos detrás de ChatGPT enseñandole? Yo, no sabía.